@article{ErichaApriliyani2022,
abstract = {Penelitian ini bertujuan menganalisis menganalisis performa metode Na{\"{i}}ve Bayes Classifier pada berbagai variasi unbalanced dataset. Teknik klasifikasi yang digunakan yaitu dengan menggunakan pengukuran performa accuracy, precision, recall, dan f-measure dengan menggunakan metode Na{\"{i}}ve Bayes Classifier. Dataset diambil dari Kaggle, dan dari tiap dataset memiliki data yang tidak seimbang atau unbalance, data inilah yang akan dihitung performanya menggunakan metode Na{\"{i}}ve Bayes Classifier. Berdasarkan hasil pengujian menggunakan metode Na{\"{i}}ve Bayes Classifier didapatkan pada dataset Glass yaitu accuracy sebesar 46%, precision sebesar 47%, recall sebesar 46% dan f-measure sebesar 43%, pada dataset Heart Disease yaitu accuracy sebesar 88%, precision sebesar 88%, recall sebesar 88% dan f-measure sebesar 88%, pada dataset Kidney Disease yaitu accuracy sebesar 100%, precision sebesar 100%, recall sebesar 100% dan f-measure sebesar 100%, pada dataset Liver Disease yaitu accuracy sebesar 78%, precision sebesar 82%, recall sebesar 78% dan f-measure sebesar 79%, pada dataset Diabetes yaitu accuracy sebesar 77%, precision sebesar 76%, recall sebesar 77% dan f-measure sebesar 76%, dan pada dataset Breast Cancer yaitu accuracy sebesar 94%, precision sebesar 94%, recall sebesar 94% dan f-measure sebesar 94%. Hasil penelitian ini menunjukkan metode Naive Bayes Classifier pada unbalanced dataset memperoleh nilai performa yang tidak menentu.},
author = {{Ericha Apriliyani} and Salim, Yulita},
doi = {10.56705/ijodas.v3i2.45},
file = {:Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Ericha Apriliyani, Salim - 2022 - Analisis performa metode klasifikasi Na{\"{i}}ve Bayes Classifier pada Unbalanced Dataset.pdf:pdf},
journal = {Indonesian Journal of Data and Science},
number = {2},
pages = {47--54},
title = {{Analisis performa metode klasifikasi Na{\"{i}}ve Bayes Classifier pada Unbalanced Dataset}},
volume = {3},
year = {2022}
}